Elo-rating: één getal dat aangeeft hoe goed je écht bent
Een Elo-rating is een getal dat de sterkte van een speler, een team of tegenwoordig zelfs een kunstmatige intelligentie uitdrukt op basis van eerdere resultaten. Win je van iemand met een hogere rating, dan stijgt jouw getal flink; verlies je van iemand met een lagere rating, dan daalt het juist stevig. Het systeem is vernoemd naar de Hongaars-Amerikaanse natuurkundige Arpad Elo, die het in de jaren zestig ontwierp om schakers eerlijker te rangschikken dan met de toenmalige, vrij grove methodes.
Denk aan Elo-rating als een soort thermometer voor prestaties: de temperatuur zegt niets over hoe warm het "hoort" te zijn, maar geeft precies aan hoe warm het nú is, gebaseerd op metingen. Zo geeft een Elo-rating geen absoluut oordeel over talent, maar een actuele inschatting van sterkte, die voortdurend wordt bijgesteld na elk duel. Het mooie is dat het systeem breed inzetbaar is: van schaakclubs tot esports-matchmaking, en sinds enkele jaren ook om te bepalen welke chatbot de beste antwoorden geeft.
Wat is het precies?
De kern van Elo-rating is een simpele wiskundige gedachte: op basis van het ratingverschil tussen twee spelers kun je vooraf berekenen hoe groot de kans is dat de een van de ander wint. Is speler A veel sterker dan speler B, dan wordt van A een overwinning verwacht; wint B toch, dan is dat een verrassing die zwaar meeweegt in de bijstelling van beide ratings.
Concreet gebeurt dit in twee stappen. Eerst wordt de verwachte score berekend met de formule E_A = 1 / (1 + 10^((R_B − R_A)/400)), waarbij R_A en R_B de huidige ratings van beide spelers zijn. Dit levert een getal tussen 0 en 1 op: bijvoorbeeld 0,76 betekent dat speler A volgens het model 76% kans heeft om te winnen (bij een gelijkspel telt dat als een half punt).
Daarna wordt, na afloop van de partij, de nieuwe rating berekend: R'_A = R_A + K × (S_A − E_A). Hierin is S_A de werkelijke uitkomst (1 voor winst, 0,5 voor remise, 0 voor verlies) en E_A de zojuist berekende verwachting. De letter K is de zogeheten K-factor, die bepaalt hoe sterk een enkele partij doorweegt. Bij beginnende spelers staat K vaak hoog, zodat hun rating snel de werkelijke sterkte benadert; bij ervaren topspelers staat K lager, zodat één misser niet meteen tot een grote val leidt.
Het resultaat is een systeem dat zichzelf voortdurend corrigeert: win je vaker dan verwacht, dan stijgt je rating; presteer je onder de verwachting, dan daalt hij. Er is geen vast "plafond" of "bodem" — de rating is altijd relatief ten opzichte van de tegenstanders in hetzelfde systeem.
Wat wil men ermee bereiken?
Het doel van Elo-rating is simpel maar belangrijk: een eerlijke, objectieve en actuele rangschikking maken zonder dat een jury of commissie er een mening over hoeft te geven. Vóór Elo's systeem gebruikten schaakbonden vaak categorie-indelingen op basis van resultaten in specifieke toernooien, wat moeilijk vergelijkbaar was tussen spelers die nooit tegen elkaar hadden gespeeld.
Een goed ratingsysteem moet aan een paar voorwaarden voldoen: het moet voorspellend zijn (een hoger getal moet echt een grotere winkans betekenen), het moet zich aanpassen als iemand beter of slechter wordt, en het moet robuust zijn tegen toeval — één gelukstreffer mag de rangorde niet op zijn kop zetten. Elo's systeem haalt die balans door de grootte van elke aanpassing te koppelen aan hoe verrassend de uitslag was.
Buiten de schaakwereld is de belofte breder: overal waar mensen, teams of systemen tegen elkaar strijden en je ze objectief wilt vergelijken zonder een centrale, dure meetmethode, biedt een Elo-achtig systeem een goedkope en transparante oplossing. Dat verklaart waarom het idee is overgewaaid naar sport, gaming en, recent, kunstmatige intelligentie.
Voorbeelden uit de praktijk
Het bekendste voorbeeld blijft het schaakwezen zelf. De Amerikaanse schaakbond USCF gebruikte Elo's systeem al vanaf 1960, en de wereldschaakbond FIDE nam het in 1970 over als officiële standaard voor internationale ratings. Elke actieve schaker ter wereld heeft sindsdien een FIDE-rating, van beginners rond de 1000 tot wereldkampioenen boven de 2800.
In de gamewereld gebruiken veel competitieve online spellen een Elo-variant voor matchmaking, zodat spelers van vergelijkbaar niveau tegen elkaar worden ingedeeld. Microsoft ontwikkelde voor Xbox Live bijvoorbeeld TrueSkill, een uitbreiding op het Elo-principe die ook rekening houdt met onzekerheid over iemands niveau, bruikbaar is bij teams in plaats van alleen 1-tegen-1, en sneller convergeert bij nieuwe spelers.
Ook in de sportjournalistiek dook Elo op: de Amerikaanse data-site FiveThirtyEight bouwde jarenlang Elo-gebaseerde voorspellingsmodellen voor onder meer American football (NFL) en basketbal (NBA), waarmee ze wedstrijduitslagen en titelkansen probeerden te voorspellen op basis van historische prestaties.
De meest recente en voor deze site relevante toepassing is die in de wereld van taalmodellen. Sinds 2023 gebruikt het onderzoeksproject Chatbot Arena, opgezet door onderzoekers verbonden aan onder meer UC Berkeley (het zogeheten LMSYS-initiatief), een Elo-achtig systeem om grote taalmodellen zoals GPT, Claude, Gemini en Llama tegen elkaar te laten "strijden". Bezoekers krijgen twee anonieme antwoorden op dezelfde vraag te zien en stemmen welk antwoord beter is; op basis van duizenden van die duels rolt een ranglijst uit die inmiddels breed wordt aangehaald wanneer een nieuw AI-model wordt gelanceerd. Het platform, later voortgezet onder de naam LMArena, illustreert hoe een zestig jaar oud schaakconcept een tweede leven krijgt in de AI-sector.
Hoe ver is de techniek?
Als wiskundig systeem is Elo-rating allang "af": de kernformules zijn sinds de jaren zeventig nauwelijks veranderd en worden wereldwijd op miljoenen partijen per dag toegepast. De ontwikkeling zit tegenwoordig vooral in verfijningen en nieuwe toepassingsgebieden, niet in het basisprincipe.
Een bekende verfijning is het Glicko-systeem, ontwikkeld door de Amerikaanse statisticus Mark Glickman in de jaren negentig, met een opvolger Glicko-2. Dit systeem houdt naast de rating zelf ook bij hoe zeker die rating is: iemand die net terug is van een lange pauze of maar weinig partijen heeft gespeeld, krijgt een grotere onzekerheidsmarge, waardoor zijn of haar rating sneller kan bewegen totdat er genoeg data is. Populaire online schaakplatforms zoals Lichess gebruiken Glicko-2 in plaats van het klassieke Elo-systeem.
De grootste huidige uitdaging ligt niet in de wiskunde, maar in de toepassing op nieuwe domeinen zoals AI-modellen. Bij menselijke stemmen op chatbotantwoorden spelen bijvoorbeeld voorkeur voor langere of vlottere teksten een rol, wat niet altijd samenvalt met feitelijke juistheid. Onderzoekers experimenteren daarom met aanvullende statistische modellen, zoals het Bradley-Terry-model, dat verwant is aan Elo maar net iets anders omgaat met veel gelijktijdige vergelijkingen. Ook blijft er discussie over hoe representatief vrijwillige, anonieme online stemmen zijn voor de daadwerkelijke kwaliteit van een AI-model.
Een structurele beperking die vaak wordt genoemd, geldt zowel voor schaak als voor AI-ranglijsten: Elo-ratings zijn relatief ten opzichte van de spelers in hetzelfde systeem op datzelfde moment. Vergelijkingen tussen totaal verschillende community's, tijdperken of, bij AI, verschillende testopstellingen zijn daardoor minder betrouwbaar dan vergelijkingen binnen één ranglijst.
Wie werken eraan?
Voor het klassieke schaaksysteem is de wereldschaakbond FIDE, gevestigd in Zwitserland, de beherende instantie; nationale bonden zoals de Nederlandse Schaakbond werken volgens dezelfde standaard. De statistische doorontwikkeling van ratingsystemen wordt van oudsher gedragen door individuele wetenschappers, met Arpad Elo en later Mark Glickman (Harvard University en Boston University) als bekendste namen.
In de gamesector werken grote uitgevers zelf aan hun matchmaking-algoritmes; Microsoft (TrueSkill) en andere platformhouders hebben interne teams die met Elo-achtige systemen experimenteren om eerlijke online wedstrijden te garanderen.
Op het gebied van AI-modellen is het initiatief vooral academisch ontstaan: onderzoekers verbonden aan Amerikaanse universiteiten als UC Berkeley, UC San Diego en Carnegie Mellon University bouwden Chatbot Arena op als open, non-profit onderzoeksproject. Gaandeweg groeide het platform uit tot een veelgebruikte, semi-onafhankelijke graadmeter waarnaar grote AI-bedrijven zoals OpenAI, Google DeepMind, Anthropic en Meta zelf verwijzen bij de lancering van nieuwe modellen, ook al hebben die bedrijven zelf geen zeggenschap over de ranglijst.